Ag
ARIA: Runtime Inspection and Amendment for Multi-Agent Systems
ARIA 提出面向 LLM 多智能体系统的运行时检查与修正框架,将执行验证过的修复转化为可复用监督数据,训练小模型在任务执行中途识别错误并介入修正,避免事后诊断或反复重跑。构建了首个大规模失败轨迹与验证修复配对数据集(3953 对),可跨框架与宿主模型泛化。
Agent·arXiv cs.AI·5 天前
先用站内已采集内容作答;站内不足时联网检索,每条结论都给出来源链接
1 条 · 点击可看原文全文与中文译文
ARIA 提出面向 LLM 多智能体系统的运行时检查与修正框架,将执行验证过的修复转化为可复用监督数据,训练小模型在任务执行中途识别错误并介入修正,避免事后诊断或反复重跑。构建了首个大规模失败轨迹与验证修复配对数据集(3953 对),可跨框架与宿主模型泛化。
现有资料不足以对 ARIA 的运行时检查与事后诊断方法做效果与开销的定量对比。 资料 1 只提供了 ARIA 框架的定性描述,没有给出任何对比实验数据、开销指标或效果数值。 资料 1 中能确认的部分:
也就是说,资料仅隐含了“运行时介入可省去事后诊断/重跑”这一设计动机1,但没有给出运行时检查与事后诊断在准确率、召回率、延迟、token 或算力开销等维度的任何对比结果。要回答该问题,需查阅论文正文的实验与消融部分。